Toward Standardized Monitoring of Patients With Chronic Diseases in Primary Care Using Electronic Medical Records: Development of a Tool by Adapted Delphi Procedure
Notice bibliographique
Résumé
BACKGROUND: Long-term care for patients with chronic diseases poses a huge challenge in primary care. There are deficits in care, especially regarding monitoring and creating structured follow-ups. Appropriate electronic medical records (EMR) could support this, but so far, no generic evidence-based template exists. OBJECTIVE: The aim of this study is to develop an evidence-based standardized, generic template that improves the monitoring of patients with chronic conditions in primary care by means of an EMR. METHODS: We used an adapted Delphi procedure to evaluate a structured set of evidence-based monitoring indicators for 5 highly prevalent chronic diseases (ie, diabetes mellitus type 2, asthma, arterial hypertension, chronic heart failure, and osteoarthritis). We assessed the indicators' utility in practice and summarized them into a user-friendly layout. RESULTS: This multistep procedure resulted in a monitoring tool consisting of condensed sets of indicators, which were divided into sublayers to maximize ergonomics. A cockpit serves as an overview of fixed goals and a set of procedures to facilitate disease management. An additional tab contains information on nondisease-specific indicators such as allergies and vital signs. CONCLUSIONS: Our generic template systematically integrates the existing scientific evidence for the standardized long-term monitoring of chronic conditions. It contains a user-friendly and clinically sensible layout. This template can improve the care for patients with chronic diseases when using EMRs in primary care.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».